MétaCan
Menu
Retour à la cohorte
Enregistrement W4403684625 · doi:10.1093/pch/pxae067.041

42 Clinical features and severity of COVID-19 with respiratory virus coinfections versus SARS-CoV-2 monoinfection in hospitalized children: A Canadian national surveillance study

2024· article· en· W4403684625 sur OpenAlexaboutno aff
Costanza Di Chiara, Daniel S. Farrar, Julie A. Bettinger, Aaron Campigotto, Shelley L. Deeks, Olivier Drouin, Joanne Embreé, Scott A. Halperin, Taj Jadavji, Kescha Kazmi, Charlotte Moore Hepburn, Jesse Papenburg, Rupeena Purewal, Manish Sadarangani, Laura Sauvé, Karina A. Top, Fatima Kakkar, Shaun K. Morris

Notice bibliographique

RevuePaediatrics & Child Health · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Impact on Reproduction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Medicine2019-20 coronavirus outbreakRespiratory systemBetacoronavirusSars virusVirologyVirusInternal medicineOutbreakDisease

Résumé

récupéré en direct d'OpenAlex

Abstract Background The co-circulation of SARS-CoV-2 alongside other respiratory viruses has led to the risk of coinfections, potentially intensifying the severity of cases, especially in children. Objectives This study examined the epidemiology, clinical characteristics, and outcomes of SARS-CoV-2 respiratory virus coinfections in comparison to SARS-CoV-2 monoinfections in hospitalized children. Design/Methods A nationwide surveillance study was conducted to assess paediatric COVID-19-related hospitalizations across Canada from April 2020 to May 2022. Data were captured through two datasets covering ~90% of all Canadian tertiary-care paediatric beds: The Canadian Paediatric Surveillance Program and the Canadian Immunization Monitoring Program, ACTive. Coinfections were defined as the simultaneous detection of SARS-CoV-2 and ≥1 other respiratory virus. Severe infection was defined as intensive care, ventilatory, or hemodynamic support needs, organ systems complications, or death. Variables and outcomes were summarized and compared, and risk ratios were computed using Poisson regression, adjusting for age, gender, comorbid conditions, SARS-CoV-2 lineage, and vaccination status. Results Out of 1501 COVID-19-related hospitalizations, 163 (10.9%) had documented coinfections with 44/163 [27%] involving SARS-COV-2 plus ≥2 other respiratory viruses. The majority of SARS-CoV-2 monoinfections (1176/1501, 87.9%) and coinfections (139/163, 85.3%) belonged to the Omicron era (Figure A). RSV (66/163, 40.5%) and Enterovirus/rhinovirus (61/163, 37.4%) coinfections were the most common. Coinfection cases were significantly younger than monoinfection cases (median age 1.2 [IQR:0.3-3.3] vs 1.6 [IQR:0.3-7.0] years, p=0.04). Overall, severe disease was more common among cases with any coinfection (38.0%) than SARS-CoV-2 monoinfection (25.7%; adjusted risk ratio 1.45, 95% confidence interval 1.17-1.80) (Figure B). In particular, we observed that severe outcomes were significantly higher in SARS-CoV-2 coinfections compared to monoinfections during the Omicron era (Figure C-D). Overall, 26/61 (42.6%) Enterovirus/Rhinovirus and 20/66 (30.3%) RSV coinfections were associated with severe outcomes. Conclusion Children with documented coinfections had more severe respiratory disease compared to SARS-COV-2 monoinfections. However, children with severe COVID-19 may have been more likely tested for multiple viruses, leading to a risk of underestimation of coinfections among children with milder disease. Further work is needed to assess how different virus coinfections may affect children and which, if any, may be a predominant driver of disease severity. 1Severe disease was defined as intensive care, ventilatory, or hemodynamic support requirements, organ system complications, or death. 2Lineage was first assigned based on available genetic sequencing data. If missing, lineage was imputed based on the dominant circulating lineage at the provincial level according to the GISAID database.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,206
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,049
Tête enseignante GPT0,404
Écart entre enseignants0,355 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child HealthMême sujetCOVID-19 Impact on ReproductionTravaux en français237 207